多方法融合的圖像特征點匹配算法研究.pdf

1、圖像匹配是圖像處理領域的一個基本問題。圖像匹配分為基于灰度的方法和基于特征的方法。前者簡單易行，應用普遍，但算法時間復雜度高，特別是難以處理圖像存在旋轉和尺度變化等情況。后者比較容易克服前者遇到的困難，但如何建立圖像特征之間的對應關系一直是這類方法的研究難題。本文根據(jù)三角形相似原理，融合二維聚類算法及基于描述符方法思想，提出一種新的特征點匹配算法。 基于特征點的匹配方法分為特征點的提取和特征點的匹配兩個步驟。特征點提取作為基于特

2、征點匹配方法的首要步驟，對匹配的效果具有直接的影響。分析和比較常用的一些特征點提取算法之后，選取實驗效果比較好的Harris角點檢測算法，用于本文灰度圖像的特征點提取。由于傳統(tǒng)Harris角點提取算法不適合圖像存在尺度變換情況，通過在尺度空間下進行改進，使新的算法能夠抗尺度變化。 經(jīng)過分析與比較，基于三角形相似的匹配方法實現(xiàn)簡單，魯棒性好，但需要對每個三角形對進行同向相似性判斷，時間復雜度很高，且算法的穩(wěn)定性較大程度上依賴于特征

3、點的提取；另一種特征點匹配算法二維聚類方法，算法效率高，但其對初始有效點的數(shù)目要求比較高；基于描述符的方法能夠適應圖像存在一定的形變和透視變換，但一般實現(xiàn)起來比較復雜，且對圖像紋理要求高。本文將上述方法進行有機融合，使融合后的算法大大降低了對初始有效點的要求。 將傳統(tǒng)被動的相似三角形檢索方法改進為主動檢索方法，使算法時間復雜度由O（n3）降為O（n2）。并通過在向量空間中實現(xiàn)改進方法及參數(shù)聚類，算法效率得到了大大提高。同時改用一